GeoAI na prática: tutorial completo para extrair edificações com U-Net, SAM e Mask R-CNN

GeoAI na prática: tutorial completo para extrair edificações com U-Net, SAM e Mask R-CNN

Extrair automaticamente o contorno de prédios a partir de imagens aéreas deixou de ser um problema exclusivo de grandes empresas de geotecnologia. Com as ferramentas certas e modelos de código aberto, qualquer profissional de dados consegue montar um pipeline de GeoAI funcional em 2026.

Um tutorial publicado no MarkTechPost mostra exatamente como fazer isso, combinando U-Net com encoder ResNet-34, Grounding DINO, SAM (Segment Anything Model) e Mask R-CNN em um fluxo completo que vai do download das imagens aéreas até a vetorização dos polígonos finais.

O que o tutorial cobre

O artigo percorre todas as etapas de um projeto real de extração geoespacial:

• Configuração do ambiente: instalação das bibliotecas geoai-py, segmentation-models-pytorch e buildingregulariser, verificação de GPU com PyTorch.
• Download dos dados: imagens NAIP (National Agriculture Imagery Program) em alta resolução e rótulos vetoriais de edificações, hospedados no Hugging Face.
• Inspeção espacial: uso do GeoPandas e Rasterio para entender coordenadas, projeções e estatísticas dos rasters e vetores.
• Geração de chips: divisão da imagem em tiles georreferenciados de 512×512 pixels com stride de 256, criando máscaras binárias para treinamento.
• Treinamento da U-Net: 12 épocas com batch size 8, learning rate de 1e-3 e validação com 20% dos dados, usando pesos ImageNet pré-treinados.
• Inferência em cena inédita: aplicação do modelo treinado em uma imagem de teste com sliding window, gerando máscaras de segmentação.
• Regularização de polígonos: conversão das máscaras em vetores limpos, cálculo de IoU e F1 score contra os ground truths.
• Segmentação zero-shot: experimento com Grounding DINO para detectar edificações e SAM para refinamento das máscaras — sem nenhum treinamento adicional.
• Comparação com Mask R-CNN: avaliação de um modelo pré-treinado de instance segmentation como baseline.
• Extensão para dados reais: aplicação do mesmo pipeline com imagens do Microsoft Planetary Computer e rótulos do Overture Maps.

Por que isso importa agora

Em 2026, a convergência entre visão computacional e GIS (Sistemas de Informação Geográfica) atingiu um ponto de maturidade em que não é mais necessário ser especialista em sensoriamento remoto para extrair informações úteis de imagens aéreas. A biblioteca geoai-py abstrai grande parte da complexidade geoespacial, permitindo que cientistas de dados com conhecimento básico de Python e deep learning criem pipelines de extração em poucas horas.

As aplicações práticas vão de planejamento urbano (mapeamento de densidade de ocupação) a resposta a desastres (avaliação de danos em edificações após enchentes ou terremotos), passando por cadastro imobiliário automatizado e monitoramento de expansão irregular.

O dado mais interessante do tutorial é a comparação direta entre abordagens: a U-Net treinada do zero entrega resultados competitivos, mas os modelos de zero-shot (Grounding DINO + SAM) mostram que é possível obter segmentações razoáveis sem nenhum dado de treinamento local — uma vantagem enorme para regiões onde não existem rótulos disponíveis.